用AI高速构建创业公司

演讲人: Dr. Andrew Ng (吴恩达) | DeepLearning.AI & AI Fund 创始人

核心主题：对于创业公司，执行速度是成功的关键预测指标。而当今的AI技术，尤其是生成式AI，正在成为前所未有的“速度放大器”。

核心要点一：AI技术栈与最大的机遇

吴恩达将当前的AI生态系统描绘为一个技术栈：

  • 应用层 (Applications): 直接面向用户的产品。
  • Agentic编排层 (Agentic Orchestration): 事实 新兴的、用于协调和管理AI工作流的工具层 (如LangChain, CrewAI)。
  • 基础模型层 (Foundational Models): 如OpenAI, Anthropic, Meta的模型。
  • 云服务层 (Cloud): AWS, Google Cloud, Azure。
  • 半导体层 (Semiconductors): NVIDIA, AMD, Intel。

💡 观点：尽管媒体和大众的注意力大多集中在基础模型上，但对于创业公司而言，最大的商业机会在于“应用层”。因为只有应用才能创造足够的收入，来支撑整个技术栈的成本。

核心要点二：Agentic AI - 新的工作流范式

这是当前AI领域最重要、最具变革性的技术趋势。

  • 传统工作流 (非Agentic): 像让AI一次性、从头到尾写完一篇文章，不能回头修改。这是“零样本（zero-shot）”提示的方式。
  • Agentic工作流: 更像人类的思考方式，是一个迭代循环的过程：
    1. 规划与思考（如写大纲）。
    2. 执行动作（如上网搜索、写初稿）。
    3. 观察结果并反思（审阅初稿，发现不足）。
    4. 重复以上步骤，直到达到满意结果。

💡 观点：Agentic工作流虽然更慢，但能处理更复杂的任务，产出质量高得多的结果。这是构建高级AI应用的关键。

核心要点三：创业成功的速度加速器

吴恩达提出了三个可以极大提升创业速度的关键策略：

  1. 具体化的产品构想 (Concrete Ideas)
    • 观点 模糊的想法（如“用AI优化医疗”）会拖慢速度，因为它无法指导工程师行动。
    • 观点 具体的想法（如“开发一个软件让病人在线预约MRI，以优化设备使用率”）能被快速构建、验证或证伪。
    • 行动建议： 专注于一个具体的、可执行的想法，快速验证，如果行不通，就果断转向下一个具体的想法。
  2. 高速的“构建-反馈”循环 (Rapid Build/Feedback Loop)
    • 事实 AI编程助手（如Github Copilot）让软件开发，尤其是原型（Prototype）开发速度提升了10倍以上。
    • 观点 过去，工程是瓶颈；现在，产品管理（PM）和获取用户反馈成为了新的瓶颈。
    • 行动建议： 以前开发成本高，现在可以快速构建20个原型去测试市场，拥抱“快速行动，打破常规”（Move fast and break things）的精神，但要做到“快速且负责”（Move fast and be responsible）。
  3. 深入的技术理解 (Understanding AI Technology)
    • 观点 AI是新兴技术，知识尚未普及。深刻理解AI技术本身就是一个差异化优势。
    • 乐高积木比喻： 掌握的AI工具（如Prompting, RAG, Agentic Workflows, Fine-tuning等）越多，就像拥有越多不同颜色的乐高积木，能组合创造出更复杂、更强大的产品。
    • 行动建议： 学习并掌握这些GenAI的“积木”，能让你在技术选型上做出正确决策，避免在错误的方向上浪费时间。
特别关注：关于 Vibe Coding 与护城河

什么是“Vibe Coding”与核心挑战？

在Q&A环节，有提问者提到，一个好的产品、功能或“vibe”（感觉/氛围），现在可能在几小时内就被竞争对手用AI“vibe coding”复制出来。这给创业公司带来了关于“护城河”（Moat）的挑战。

吴恩达的观点：

  • 产品为王，而非技术：观点 吴恩达强调，创业公司首要任务是打造一个用户真正热爱的产品。在解决这个问题之前，担心护城河为时过早。
  • 护城河的演变：观点 真正的护城河往往是后来演变出来的。仅仅依靠技术特性很难建立长久壁垒。
  • 超越技术的护城河：观点 真正的护城河更多来自于：
    • 品牌 (Brand): 用户对你产品的信任和认知。
    • 渠道 (Channels): 高效的GTM（Go-to-Market）策略和销售渠道。
    • 用户数据与动能 (User Data & Momentum): 一旦拥有大量用户，其网络效应和数据优势就难以被快速复制。
  • 结论：虽然技术（vibe）可以被快速模仿，但一个成功的商业模式需要解决产品、市场、渠道等一系列复杂问题。所以，先做出用户喜爱的产品，护城河会随之而来。
演讲中的关键数字信息
AI Fund的运营速度
  • 平均每月创办约 1 家创业公司。
  • 一个团队在过去 1 个月内，将代码库完全重构了 3 次。
技术与创业环境的变化速度
  • AI创业的最佳实践每 2到3个月 就会发生变化。
  • 吴恩达在约 1年半 前开始公开谈论Agentic AI。
  • 代码自动补全技术兴起于约 3到4年 前。
  • 高度Agentic的编程助手出现于约 6到7个月 前。
AI对工程效率的提升
  • 编写/维护生产级软件提速：约 30%至50%。
  • 构建原型提速：至少 10倍 (10x)。
产品开发与反馈策略
  • 自己试用产品：约 10分钟。
  • 询问 3个 朋友/同事：约 半天 (0.5天)。
  • 询问 3到10个 陌生人：约 1天。
  • 发送原型给 100个 测试者：约 1周。
  • 发送原型给 1000个 用户：约 2周。
  • 发布完整产品并进行A/B测试：2个月以上。
决策与团队结构
  • 错误的技术决策可能导致慢 10倍，而不只是理论上的 2倍。
  • 过去团队比例：1 名PM 配 4到7 名工程师。
  • 未来可能团队比例：1 名PM 配 0.5 名工程师 (即 2 PM : 1 Eng)。

原文

源链接